（西北大学经济管理学院）

【摘要】本文基于高技术产业科技成果产出和科技成果转化为生产力两阶段视角，考虑“中间产品产出再投入”和“初始投入在两个子系统间的分配结构”，构建共享投入关联DEA模型，利用1999~2010年我国29省份面板数据，测算高技术产业系统效率和子系统的纯技术效率。并与关联DEA模型、BCC模型的结果进行比较。结果表明：共享投入关联DEA模型计算效率水平的同时，还可得到中间产品的转化信息和初始投入的配置信息。最后，在对不同省份结果解释分析的基础上，提出提高我国高技术产业效率的针对性措施。

关键词  高技术产业  科技成果转化  效率  DEA模型

中图分类号  F062.9   文献标识码  A

Efficiency Measurement and Decomposition

of China's Provincial Hi-tech Industry       

Abstract：A network DEA for a relational two-stage production system with shared inputs is developed in this paper on the view of two stage of knowledge out and achievement transfer and on the assumption of “re-input of the intermediate products” and “allocation information of the initial input in the two sub-processes”, and then with the model, system efficiency and pure technical efficiency of each stage is calculated with the data of 29 provinces , made comparative analysis of the associated DEA model, BCC model results. The results shows that network DEA not only can calculate efficiency of system and its sub-processes, but also production information embedded in the intermediate products as well as the allocation information of various inputs among the individual sub- processes. Finally, explain targeted measures to improve the efficiency of China's high-tech industry on the basis of the analysis results of the different provinces.

 Keywords：Hi-tech Industry；Technology Transfer；Efficiency；DEA Model

引   言

随着我国经济发展结构和全球需求结构发生变化，中国政府和企业已深刻认识到，市场饱和和利润摊薄是不可抗拒的趋势，我国不能长期处于产业低端、低附加值的国际分工地位。要形成持续的竞争力和保持持续增长空间，就必须在技术创新上有所作为。发展高技术和高技术产业化是当代工业化和走新型工业化道路的必然选择。高技术产业是产业结构升级和经济增长方式转变的推动力。

科技成果转化率直接影响我国经济增长方式的转变进程。然而，目前我国科技成果转化率平均仅为20%，实现产业化的不足5%，专利技术的交易率也只有5%，远远低于发达国家。在我国现阶段的工业化进程中，增加高技术产业投入，提高研发效率的同时，确保高新技术成果转化为生产力和实现高技术产业化是转变经济发展方式取得实质性进展的关键。

学术界关于效率水平的测量主要有两类方法：参数方法和非参数方法。参数方法以随机前沿分析(SFA)为代表，SFA在测量误差和统计干扰处理上具有优势。但SFA函数形式设定和分布假设也过于严格，应用范围受到一定限制(朱有为和徐康宁，2006)。国内学者（刘志迎等，2007；李新春等，2010）运用中国高技术产业面板数据,应用SFA方法分析我国高技术产业的技术效率。非参数方法以数据包络分析（DEA）为代表（Charnes，1978），国内学者取得了较多研究成果。颜鹏飞和王兵（2004）运用DEA方法测度了1978~2001年中国30个省(自治区、直辖市)的技术效率、技术进步及曼奎斯特生产率指数,并对人力资本和制度因素同技术效率、技术进步和生产率增长的关系进行了实证检验。孙凯和李煜华（2007）运用DEA方法对各省份技术创新效率的相对有效性进行了评价。官建成和陈凯华（2009）综合运用DEA方法测算了中国高技术产业技术创新活动的技术效率、纯技术效率、规模效率和规模状态。

DEA方法无需事先假定生产前沿函数，并具有测量多投入多产出决策单元（DMU）相对效率的优势，更适于高技术产业效率的研究。但传统DEA模型把DMU内部生产结构视为“黑箱”，忽略DMU内部结构和内在真实生产效率。Castelli等（2010）、Chien-Ming（2009）、Kao和Wang（2008）、Kaoru和Miki（2009）的研究表明，关联DEA模型可深入到DMU内部进行子系统的效率评价并找到低效的问题所在。国外学者Castelli阐述了DEA方法的最新研究进展，国内学者（毕功兵等，2009）应用该方法进行商业银行的效率分析。

本文试图解决标准DEA模型并未考虑的“中间产品产出再投入”和“初始投入在两个子过程间的分配结构”这两个关于生产的关键问题。在考虑存在共享投入的前提下，基于高技术产业投入产出科技成果和科技成果转化为生产力的二阶段生产系统，构建共享投入DEA模型，测算我国高技术产业系统效率和系统内各子过程的效率，同时得到中间产品的转化信息和初始投入的动态配置信息。